La cadena de suministro de sangre (BSC) es crucial para proporcionar sangre segura y suficiente, pero enfrenta numerosos desafíos y necesita ser robusta y resiliente. Este estudio proporciona un modelo integral para gestionar y optimizar la BSC en escenarios del mundo real, incluyendo circunstancias de emergencia y rutinarias, y considerando conceptos de equidad en salud. Se aplican modelos clásicos de series temporales para predecir las circunstancias futuras de la cadena de suministro, abordando la incertidumbre en la demanda de sangre y la necesidad de un suministro oportuno. Se prioriza un marco estructurado y preferencias médicas para optimizar la distribución, minimizar las escaseces de sangre, minimizar el desperdicio debido a la caducidad y maximizar la frescura de la sangre. Se utilizan algoritmos genéticos (GA) y optimización por enjambre de partículas (PSO) para resolver modelos matemáticos de manera rápida y eficiente, asegurando un funcionamiento confiable. Los resultados del modelo pueden satisfacer eficazmente las necesidades diarias de la BSC y ayudar a los tomadores de decisiones que gestionan el inventario y la distribución de sangre, mejorando la robustez y la resiliencia. Utilizar pesos permite la gestión efectiva de cada función objetivo para convertir el modelo en un programa de programación lineal entera mixta de un solo objetivo (SO-MILP) basado en condiciones únicas, lo que permite que el sistema se autoajuste para un rendimiento óptimo, aumentando la sostenibilidad de la cadena de suministro de sangre y promoviendo el principio de equidad en salud en diversos entornos del mundo real.